红帽公司近日为OpenShift 版本的Kubernetes软件容器编排器推出了增强功能和新功能,这些功能尤为注重多样化工作负载的处理。
Red Hat OpenShift 4.16旨在为从事务密集型用途到人工智能模型训练和推理等不同类型的工作负载提供一致的管理。
新版本简化了环境,在这种环境中,虚拟机必须通过使用部署在OpenShift Data Foundation 和Advanced Cluster Management for Kubernetes上存储的Metro Disaster Recovery等功能,与容器化应用并存。
新的热添加中央处理单元支持使用户能够为正在运行的虚拟机声明性地添加额外的虚拟CPU资源,从而通过安全的内存超量承载提高内存密度。这是在虚拟化环境中使用的一种技术,为虚拟机或进程分配超出主机系统实际可用的内存。新的CPU“热插拔”功能允许在运行系统中添加或移除CPU,而无需关机或重启系统。
红帽公司表示,通过红帽高级集群管理(Red Hat Advanced Cluster Management)进行多集群虚拟化监控,用户可以查看多个Red Hat OpenShift集群中的所有虚拟机,收集并更快速地构建虚拟机报告。
OpenShift 4.16 还为单节点OpenShift 环境引入了基于镜像更新的“左移”方法。IBU 通过用新版本替换整个系统或应用程序镜像来更新软件或操作系统,而不是对现有文件应用单个补丁或更新。
单节点OpenShift用户现在可以将大部分更新流程转移到暂存环境,以减少更新生产站点所需的时间。更新还可以回滚到更新前的状态。
基于OpenShift的Appliance Builder现在可以作为技术预览版提供给希望使用独立的Red Hat OpenShift实例构建定制应用的红帽合作伙伴。Appliance Builder是一个基于容器的实用程序,它可以构建一个磁盘镜像,其中包含一个基于代理的安装程序,用于安装多个OpenShift集群。
该公司还表示,其高级集群安全云服务(Advanced Cluster Security Cloud Service)现已全面推出。这是一个完全托管的Kubernetes原生安全云服务,支持OpenShift和非Red Hat Kubernetes平台,如亚马逊网络服务公司的Elastic Kubernetes服务、谷歌公司的Kubernetes引擎和微软公司的Azure Kubernetes服务。
好文章,需要你的鼓励
尽管芯片厂商不断推出性能更强的神经处理单元,声称比上代产品快30-40%,但大多数AI功能仍依赖云端处理。专家指出,云端AI模型拥有数千亿参数,而手机NPU只能处理约30亿参数的模型。本地AI处理虽然在隐私保护和可靠性方面具有优势,但受限于内存容量和处理能力,目前主要应用于特定场景。业界正致力于优化模型压缩技术,实现云端与本地AI的混合处理模式。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Hammerspace通过现有NVMe存储最大化GPU使用率。随着AI计算在混合云和多云环境中扩展,基础设施团队面临着加速洞察时间同时最大化GPU投资的压力。Hammerspace Tier 0将GPU服务器集群内的本地NVMe存储转换为超高速共享存储层,性能比传统网络存储提升10倍,减少检查点时间,提高GPU使用率,改善推理响应时间,无需额外存储系统,节省数百万美元成本。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。